CN112559838A - 一种无人仓运行情况分析方法和装置 - Google Patents
一种无人仓运行情况分析方法和装置 Download PDFInfo
- Publication number
- CN112559838A CN112559838A CN201910850074.7A CN201910850074A CN112559838A CN 112559838 A CN112559838 A CN 112559838A CN 201910850074 A CN201910850074 A CN 201910850074A CN 112559838 A CN112559838 A CN 112559838A
- Authority
- CN
- China
- Prior art keywords
- warehouse
- event
- data
- observed
- dimension
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims description 23
- 238000010586 diagram Methods 0.000 claims abstract description 116
- 238000004220 aggregation Methods 0.000 claims abstract description 68
- 230000002776 aggregation Effects 0.000 claims abstract description 58
- 238000000034 method Methods 0.000 claims abstract description 39
- 230000004931 aggregating effect Effects 0.000 claims abstract description 21
- 238000003860 storage Methods 0.000 claims abstract description 15
- 230000002159 abnormal effect Effects 0.000 claims description 61
- 238000009877 rendering Methods 0.000 claims description 23
- 230000005540 biological transmission Effects 0.000 claims description 16
- 238000012216 screening Methods 0.000 claims description 15
- 238000013144 data compression Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000004519 manufacturing process Methods 0.000 abstract description 13
- 230000000694 effects Effects 0.000 description 17
- 238000001914 filtration Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 230000005856 abnormality Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 239000003086 colorant Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/957—Browsing optimisation, e.g. caching or content distillation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
Abstract
本发明公开了一种无人仓运行情况分析方法和装置,涉及仓储领域。该方法的一具体实施方式包括:当接收到观测指令时,获取仓库中运输设备的与所述观测指令对应的事件数据;基于仓库中的位置点对所述事件数据进行聚合,得到事件聚合结果;根据所述事件聚合结果绘制仓库热力图,根据所述仓库热力图分析无人仓运行情况。该实施方式能够快速高效处理多种仓储数据,根据处理后的仓储数据进行仓库热力图的快速渲染绘制,呈现多种维度下的仓库热力图,并基于绘制出的仓库热力图对仓储生产相关作业进行分析、改进。
Description
技术领域
本发明涉及仓储领域,尤其涉及一种无人仓运行情况分析方法和装置。
背景技术
无人仓工作环境中,在仓储生产作业中常常出现各种问题。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:
对于出现的仓储生产作业问题,现有技术中需要根据出现的问题查找具体相关数据来进行分析,无法直观、全面地了解仓储生产作业中的各种情况,也无法直观、全面地了解仓库中各区域、模块的运行情况。
发明内容
有鉴于此,本发明实施例提供一种无人仓运行情况分析方法和装置,能够快速高效处理多种仓储数据,根据处理后的仓储数据进行仓库热力图的快速渲染绘制,呈现多种维度下的仓库热力图,并基于绘制出的仓库热力图对仓储生产相关作业进行分析、改进。
为实现上述目的,根据本发明实施例的一个方面,提供了一种无人仓运行情况分析方法,包括:
当接收到观测指令时,获取仓库中运输设备的与所述观测指令对应的事件数据;
基于仓库中的位置点对所述事件数据进行聚合,得到事件聚合结果;
根据所述事件聚合结果绘制仓库热力图,根据所述仓库热力图分析无人仓运行情况。
可选地,所述观测指令包括:待观测事件数据类型信息、观测时间段信息、待观测维度信息;其中,所述待观测维度是所述待观测事件数据下的一种维度;
所述运输设备的事件数据类型包括以下至少之一:异常数据、出库数据、网络数据;
其中,所述异常数据为运输设备在异常情况下传输的异常信息;
所述出库数据为运输设备在具有出库任务情况下传输的出库信息;
所述网络数据为运输设备在运行时实时心跳传输的网络信息;
其中,所述运输设备的事件数据可以是存储于Elasticsearch数据库中的。
可选地,在将所述事件数据按仓库中的位置点进行聚合之前,还包括:
根据预设时间量级,对所述事件数据进行数据压缩,得到新的查询索引。
可选地,所述位置点包括以下至少之一:码点、坐标网格;
基于仓库中的位置点对所述事件数据进行聚合,得到事件聚合结果,包括:
根据所述观测指令,针对每一个位置点,统计得到在所述观测时间段内的、该位置点上的待观测事件数据总量值、待观测维度值、事件列表信息,以作为所述聚合结果;
其中,对于异常数据类型,事件维度包括以下至少之一:异常次数、异常设备数;事件列表至少包括:异常信息列表;
其中,对于出库数据类型,事件维度包括以下至少之一:作为出库起点次数、作为出库终点次数;事件列表至少包括:出库物品列表;
其中,对于网络数据类型,事件维度包括以下至少之一:数据条数、网络传输暂停次数、累计ping延迟时长;事件列表至少包括:无线网络接入点列表。
可选地,根据所述聚合结果绘制仓库热力图,包括:
根据所述聚合结果确定预设地图中每个位置点对应的待绘制数据;所述待绘制数据包括:所述待观测事件数据总量值、所述待观测维度的维度值、所述待观测事件数据类型的事件列表信息;
根据所述待绘制数据,采用动态渲染方式,显示待观测事件数据总量值、按照预设的量级呈现样式绘制各位置点上待观测维度的呈现样式,以及以列表方式绘制出所述待观测事件数据类型的事件列表信息;
具体地,可以采用jquery结合svg的动态渲染方式进行绘制。
可选地,当接收到新的观测指令时,清除预设地图上已有的绘制结果;
基于新的观测指令,绘制与新的观测指令对应的仓库热力图。
可选地,当接收到关于所述事件列表的筛选指令时,根据所述筛选指令确定筛选出的子事件列表;
根据所述子事件列表,从当前事件类型的事件聚合结果中选出与子事件列表相对应的子聚合结果;
根据所述子聚合结果绘制出与所述筛选指令对应的仓库热力图。
可选地,当接收到点击位置点指令时,基于当前绘制的的仓库热力图对应的事件类型和待观测维度,显示被点击的位置点的点事件数据量值、点事件维度值、点事件列表信息。
根据本发明实施例的再一个方面,提供了一种无人仓运行情况分析装置,包括:
获取模块,用于当接收到观测指令时,获取仓库中运输设备的与所述观测指令对应的事件数据;
聚合模块,用于基于仓库中的位置点对所述事件数据进行聚合,得到事件聚合结果;
绘制模块,用于根据所述事件聚合结果绘制仓库热力图;
分析模块,用于根据所述仓库热力图分析无人仓运行情况。
可选地,所述观测指令包括:待观测事件数据类型信息、观测时间段信息、待观测维度信息;其中,所述待观测维度是所述待观测事件数据下的一种维度;
所述运输设备的事件数据类型包括以下至少之一:异常数据、出库数据、网络数据;
其中,所述异常数据为运输设备在异常情况下传输的异常信息;
所述出库数据为运输设备在具有出库任务情况下传输的出库信息;
所述网络数据为运输设备在运行时实时心跳传输的网络信息。
可选地,所述聚合模块在将所述事件数据按仓库中的位置点进行聚合之前,还包括:
根据预设时间量级,对所述事件数据进行数据压缩,得到新的查询索引。
可选地,所述位置点包括以下至少之一:码点、坐标网格;
基于仓库中的位置点对所述事件数据进行聚合,得到事件聚合结果,包括:
根据所述观测指令,针对每一个位置点,统计得到在所述观测时间段内的、该位置点上的待观测事件数据总量值、待观测维度值、事件列表信息,以作为所述聚合结果;
其中,对于异常数据类型,事件维度包括以下至少之一:异常次数、异常设备数;事件列表至少包括:异常信息列表;
其中,对于出库数据类型,事件维度包括以下至少之一:作为出库起点次数、作为出库终点次数;事件列表至少包括:出库物品列表;
其中,对于网络数据类型,事件维度包括以下至少之一:数据条数、网络传输暂停次数、累计ping延迟时长;事件列表至少包括:无线网络接入点列表。
可选地,所述绘制模块根据所述聚合结果绘制仓库热力图,包括:
根据所述聚合结果确定预设地图中每个位置点对应的待绘制数据;所述待绘制数据包括:所述待观测事件数据总量值、所述待观测维度的维度值、所述待观测事件数据类型的事件列表信息;
根据所述待绘制数据,采用动态渲染方式,显示待观测事件数据总量值、按照预设的量级呈现样式绘制各位置点上待观测维度的呈现样式,以及以列表方式绘制出所述待观测事件数据类型的事件列表信息。
可选地,所述绘制模块还用于:
当接收到新的观测指令时,清除预设地图上已有的绘制结果;
基于新的观测指令,绘制与新的观测指令对应的仓库热力图。
可选地,所述绘制模块还用于:
当接收到关于所述事件列表的筛选指令时,根据所述筛选指令确定筛选出的子事件列表;
根据所述子事件列表,从当前事件类型的事件聚合结果中选出与子事件列表相对应的子聚合结果;
根据所述子聚合结果绘制出与所述筛选指令对应的仓库热力图。
可选地,所述绘制模块还用于:
当接收到点击位置点指令时,基于当前绘制的的仓库热力图对应的事件类型和待观测维度,显示被点击的位置点的点事件数据量值、点事件维度值、点事件列表信息。
根据本发明实施例的另一个方面,提供了一种无人仓运行情况分析电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明提供的无人仓运行情况分析方法。
根据本发明实施例的还一个方面,提供了一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现本发明提供的无人仓运行情况分析方法。
上述发明中的一个实施例具有如下优点或有益效果:因为采用根据从Elasticsearch数据库获取到的运输设备的事件数据进行基于位置点的压缩和聚合、并根据聚合结果采用jquery结合svg的方式绘制仓库热力图的技术手段,所以克服了现有技术中无法直观、全面地了解仓储生产作业中的各种情况的技术问题,进而达到能够快速绘制仓库热力图、并基于绘制出的仓库热力图对仓储生产相关作业进行分析、改进的技术效果。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明实施例的一种无人仓运行情况分析方法的主要流程的示意图;
图2是根据本发明实施例的一种仓库热力图绘制方法的整体架构示意图;
图3是根据本发明实施例的一种仓库热力图绘制时在位置点上的呈现样式的效果示意图;
图4(a)是根据本发明实施例的一种仓库热力图中异常热力图的效果展示示意图;
图4(b)是根据本发明实施例的一种仓库热力图中出库热力图的效果展示示意图;
图4(c)是根据本发明实施例的一种仓库热力图中网络热力图的效果展示示意图;
图5是根据本发明实施例的一种无人仓运行情况分析的主要模块的示意图;
图6是本发明实施例可以应用于其中的示例性***架构图;
图7是适于用来实现本发明实施例的终端设备或服务器的计算机***的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本发明实施例的一种无人仓运行情况分析方法的主要流程的示意图。
如图1所示,本发明实施例的一种无人仓运行情况分析方法,包括:
步骤S101、当接收到观测指令时,获取仓库中运输设备的与所述观测指令对应的事件数据;
步骤S102、基于仓库中的位置点对所述事件数据进行聚合,得到事件聚合结果;
步骤S103、根据所述事件聚合结果绘制仓库热力图,根据所述仓库热力图分析无人仓运行情况。
所述观测指令可以是由用户发起的开始观测指定事件数据的指令;可以由用户输入和/或选择一些指定需求而发出,也可以是户提前设置的定时自动观测指令。
所述运输设备可以是仓库中用于托送运输物品的设备,例如输送机、agv(Automated Guided Vehicle,自动导引运输车)。
所述事件数据可以是运输设备在运行时产生的各种数据;所述位置点可以是在仓储环境下的固定点或区域。
本发明根据获取到的运输设备的事件数据进行基于位置点的聚合、并根据聚合结果绘制仓库热力图的技术手段,能够处理多种仓储数据,根据处理后的仓储数据进行仓库热力图的渲染绘制、呈现多种维度下的仓库热力图的技术效果,并基于绘制出的仓库热力图对仓储生产相关作业进行分析、改进。
在一些实施例中,所述观测指令包括:待观测事件数据类型信息、观测时间段信息、待观测维度信息;其中,所述待观测维度是所述待观测事件数据下的一种维度;
所述运输设备的事件数据可以是存储于Elasticsearch数据库中的;所述运输设备的事件数据类型包括以下至少之一:异常数据、出库数据、网络数据;
其中,所述异常数据为运输设备在异常情况下传输的异常信息;
所述出库数据为运输设备在具有出库任务情况下传输的出库信息;
所述网络数据为运输设备在运行时实时心跳传输的网络信息。
ElasticSearch数据库是基于Lucene的搜索服务器,它提供了一个分布式多用户能力的全文搜索引。Elasticsearch是用Java开发的,并作为Apache许可条款下的开放源码发布,是当前流行的企业级搜索引擎。设计用于云计算中,能够稳定、可靠、快速地进行实时搜索,并且安装使用方便。使用Elasticsearch数据库进行数据存储,可以满足大数据量场景,性能突出,并且当按位置点进行聚合统计时,ElasticSearch的聚合统计能达到秒级,速度非常快。
上述运输设备的事件数据是运输设备在运行时传输至ElasticSearch数据库的,具体地:
对于异常数据,可以是由运输设备在遭遇异常时产生的,经过控制台应用和控制台应用下的数据库同步至ElasticSearch数据库的;
对于出库数据,可以是由运输设备在执行出库任务时产生的,经过控制台应用和控制台应用下的数据库同步至ElasticSearch数据库的;
对于网络数据,可以是由运输设备运行时一直产生的,心跳上报至数据采集应用后经过一定的处理,再转存至ElasticSearch数据库的。
在一些实施例中,在将所述事件数据按仓库中的位置点进行聚合之前,还包括:
根据预设时间量级,对所述事件数据进行数据压缩,得到新的查询索引。
事件数据由运输设备传输至ElasticSearch数据库后,由于原始数据量较大(特别是网络数据,可以是按秒心跳上报的,数据量可达亿级),因此需要经过数据压缩,将秒级数据压缩为预设时间量级(如:一小时、六小时等),在使用数据时,则可以使用压缩后的新的索引,达到更快的数据存取速度;
以预设时间量级为一小时为例:可以将一小时内的多条数据压缩成一条;相应地,用户在查看热力图时所选的观测时间段最小为一小时,所选观测时间段也需要是一小时的倍数;这样,可以提高数据统计速度,防止因数据量过大造成的内存溢出和页面响应时间过长等问题。
在一些实施例中,所述位置点包括以下至少之一:码点、坐标网格;
基于仓库中的位置点对所述事件数据进行聚合,得到事件聚合结果,包括:
根据所述观测指令,针对每一个位置点,统计得到在所述观测时间段内的、该位置点上的待观测事件数据总量值、待观测维度值、事件列表信息,以作为所述聚合结果;
其中,对于异常数据类型,事件维度包括以下至少之一:异常次数、异常设备数;事件列表至少包括:异常信息列表;
其中,对于出库数据类型,事件维度包括以下至少之一:作为出库起点次数、作为出库终点次数;事件列表至少包括:出库物品列表;
其中,对于网络数据类型,事件维度包括以下至少之一:数据条数、网络传输暂停次数、累计ping延迟时长;事件列表至少包括:无线网络接入点列表。
可以在进行数据压缩后,针对有了新索引的数据按位置点进行快速高效的聚合处理,以得到热力图所需的各个信息;对于不同类型的事件,可以观测到的维度也有所不同,可以在用户发出观测指令时进行事件类型和该类型下观测维度的选择;
具体地,对于异常数据类型,异常次数维度可以用来表示在某个位置点上发生异常的次数;异常设备数维度可以用来表示在某个位置点上发生过异常的设备数;异常信息列表可以用来表示在某个位置点上发生过的异常信息的集合;
对于出库数据类型,作为出库起点次数维度可以用来表示某个位置点作为出库起点的次数;作为出库终点次数维度可以用来表示某个位置点作为出库终点的次数;出库物品列表可以用来表示在某个位置点上出库过的物品的集合,在此基础上还可以生成货架子列表,用来表示在某个位置点上出库过的物品所来自的货架的集合;
对于网络数据类型,数据条数维度可以用来表示某个位置点上传输过的网络数据条数;网络传输暂停次数维度可以用来表示在某个位置点上发生过的网络传输暂停的次数;累计ping延迟时长维度可以用来表示在某个位置点上发生过的网络ping延迟时长总和;无线网络接入点列表可以用来表示在某个位置点上接入过的网络接入点的集合。
在一些实施例中,根据所述聚合结果绘制仓库热力图,包括:
根据所述聚合结果确定预设地图中每个位置点对应的待绘制数据;所述待绘制数据包括:所述待观测事件数据总量值、所述待观测维度的维度值、所述待观测事件数据类型的事件列表信息;
根据所述待绘制数据,可以采用jquery结合svg的动态渲染方式,显示待观测事件数据总量值、按照预设的量级呈现样式绘制各位置点上待观测维度的呈现样式,以及以列表方式绘制出所述待观测事件数据类型的事件列表信息。
预设的量级呈现样式可以表现为热力图上位置点上的颜色,如:预设级别个数(如:5个、7个等),颜色可以从浅到深,颜色越深,代表数值越大;预设的量级呈现样式可以表现为热力图上位置点上的填充形状,不同填充形状对应不同量级;
每个样式级别的数值范围可根据用户设置最大值进行均分,也可以根据当前数据最大值进行均分,使得每个数值都能找到对应的样式进行绘制。
采用jquery结合svg的动态渲染方式,可防止在绘制仓库热力图时引入其它不必要的功能,导致资源的浪费;并且svg作为矢量图像,在改变尺寸的情况下其图形质量不会有所损失,使用户体验良好。
图2是根据本发明实施例的一种仓库热力图绘制方法的整体架构示意图;如图2所示包括:
步骤S201:运输设备将运行时产生的事件数据传输至Elasticsearch数据库;
步骤S201:在Elasticsearch数据库中,对原始的事件数据进行数据压缩,使每条索引对应的数据量变多,得到新的索引以供后续使用;
步骤S203:对压缩后的事件数据进行数据聚合,并将聚合结果传输至Web应用,以供后续绘制使用;
步骤S204:根据Web应用中的聚合结果进行渲染绘制,展示内容包括:数据总量统计、事件维度观测、事件列表展示;其中,对于数据总量统计可以以数字表示;对于事件维度观测,可以按照预设的量级呈现样式在每个位置点上表示;对于事件列表展示,可以以窗口形式列出。
图3是根据本发明实施例的一种仓库热力图绘制时在位置点上的呈现样式的效果示意图;如图3所示:
实施例中设置了5种级别的样式,颜色从浅到深,可以设置颜色越深所代表的数值越大。每个位置点样式级别的数值范围可根据用户设置最大值均分或当前数值最大值均分两种方式设置,使得每个数值都能找到对应的样式进行绘制。
在一些实施例中,当接收到新的观测指令时,清除预设地图上已有的绘制结果;
基于新的观测指令,绘制与新的观测指令对应的仓库热力图。
所述新的观测指令可以是观测当前事件类型下的其它维度,也可以是观测其它事件下的维度;如:在展示异常热力图的异常次数维度时,接收到了观测异常热力图的异常设备数维度的观测指令,则清除预设地图上已绘制完成的异常次数维度效果,获取与新的观测指令对应的异常设备数维度数值,并进行绘制展示。
在一些实施例中,当接收到关于所述事件列表的筛选指令时,根据所述筛选指令确定筛选出的子事件列表;
根据所述子事件列表,从当前事件类型的事件聚合结果中选出与子事件列表相对应的子聚合结果;
根据所述子聚合结果绘制出与所述筛选指令对应的仓库热力图。
所述筛选指令可以是用户基于正在观测的维度、针对当前的事件列表而发起的筛选指令,具体地,可以是用户从当前的事件列表中选择指定事件进行数据过滤、观测;
例如:在展示网络热力图的网络传输暂停次数维度时,用户通过在当前的无线网络接入点列表中勾选指定的一个或一些个无线网络接入点发起了筛选指令,则清除预设地图上已绘制完成的网络传输暂停次数维度效果,重新基于用户选择的无线网络接入点,获取各个位置点上与用户选择的无线网络接入点对应的网络传输暂停次数,并进行绘制展示。
在一些实施例中,当接收到点击位置点指令时,基于当前绘制的的仓库热力图对应的事件类型和待观测维度,显示被点击的位置点的点事件数据量值、点事件维度值、点事件列表信息。
所述点击位置点指令可以是用户针对某位置点发起的观测该位置点上数据的指令;可以通过对位置点绑定用户点击事件来实现,当用户点击某位置点时,可以单独向服务器请求该位置点相关的统计数据展示。
图4(a)是根据本发明实施例的一种仓库热力图中异常热力图的效果展示示意图;其中,右上角的窗口展示了一段时间内的异常次数、异常设备数、异常数据总量值;右下角的窗口展示了异常列表;对于图中高亮框出的位置点,左下角的窗口展示了该位置点上的一些具体数据,如异常编码、异常名称、异常次数、异常设备数。
图4(b)是根据本发明实施例的一种仓库热力图中出库热力图的效果展示示意图;其中,右上角的窗口展示了一段时间内的出库数据总量值、商品SKU数量、商品件数值;右下角的窗口展示了出库商品列表;对于图中高亮框出的位置点,左下角的窗口展示了该位置点作为出库起点的次数。
图4(c)是根据本发明实施例的一种仓库热力图中网络热力图的效果展示示意图;其中,右上角的窗口展示了一段时间内的网络数据总量值;右下角的窗口展示了无线网络接入点列表;对于图中高亮框出的位置点,左下角的窗口展示了该位置点上的一些具体数据,如该位置点上统计的数据条数、网络传输暂停次数、累计ping延迟时长、涉及到的网络接入点个数。
通过绘制出的上述热力图,可以更直观、全面地了解仓储生产作业中的各种情况,更直观、全面地了解仓库中各区域、模块的运行情况,并且还可以基于绘制出的仓库热力图对仓储生产相关作业进行分析、改进;具体地:
(1)通过绘制出的异常热力图,可以统计一段时间内,仓库内运输设备发生异常的情况,比如:最近一周仓内小车共发生多少次异常,有多少辆车发生异常。除此之外,热力图的优势主要体现在可以一目了然地看到哪片区域的位置点发生异常较多,发生较多的异常(即位置点上颜色较深的)主要发生在哪些位置点,进而针对发生异常较多的位置点区域进行处理(可能这片区域地面不平;或者当位置点信息为码点形式时,可能是贴在地面的二维码不清晰需要换新码);
(2)通过绘制出的出库热力图,可以统计一段时间内,仓库内货架的出库任务次数情况,进而可以分析哪些货架经常被做出库任务,分析入库的货物目的点分布是否合理,不合理可以根据热力图展示的情况进行优化;
(3)通过绘制出的网络热力图,可以统计一段时间内,仓库内小车在各区域的网络连接情况,进而可以分析是哪些路由器的网络情况较差,以便进行更新和维护。
图5是根据本发明实施例的一种无人仓运行情况分析的主要模块的示意图。
如图5所示,本发明实施例的一种无人仓运行情况分析装置500,包括:
获取模块501,用于当接收到观测指令时,获取仓库中运输设备的与所述观测指令对应的事件数据;
聚合模块502,用于基于仓库中的位置点对所述事件数据进行聚合,得到事件聚合结果;
绘制模块503,用于根据所述事件聚合结果绘制仓库热力图;
分析模块504,用于根据所述仓库热力图分析无人仓运行情况。
所述观测指令可以是由用户发起的开始观测指定事件数据的指令;可以由用户输入和/或选择一些指定需求而发出,也可以是户提前设置的定时自动观测指令。
所述运输设备可以是仓库中用于托送运输物品的设备,例如输送机、agv(Automated Guided Vehicle,自动导引运输车)。
所述事件数据可以是运输设备在运行时产生的各种数据;所述位置点可以是在仓储环境下的固定点或区域。
本发明根据获取到的运输设备的事件数据进行基于位置点的聚合、并根据聚合结果绘制仓库热力图的技术手段,能够处理多种仓储数据,根据处理后的仓储数据进行仓库热力图的渲染绘制、呈现多种维度下的仓库热力图的技术效果,并基于绘制出的仓库热力图对仓储生产相关作业进行分析、改进。
在一些实施例中,所述观测指令包括:待观测事件数据类型信息、观测时间段信息、待观测维度信息;其中,所述待观测维度是所述待观测事件数据下的一种维度;
所述运输设备的事件数据可以是存储于Elasticsearch数据库中的;所述运输设备的事件数据类型包括以下至少之一:异常数据、出库数据、网络数据;
其中,所述异常数据为运输设备在异常情况下传输的异常信息;
所述出库数据为运输设备在具有出库任务情况下传输的出库信息;
所述网络数据为运输设备在运行时实时心跳传输的网络信息。
ElasticSearch数据库是基于Lucene的搜索服务器,它提供了一个分布式多用户能力的全文搜索引。Elasticsearch是用Java开发的,并作为Apache许可条款下的开放源码发布,是当前流行的企业级搜索引擎。设计用于云计算中,能够稳定、可靠、快速地进行实时搜索,并且安装使用方便。使用Elasticsearch数据库进行数据存储,可以满足大数据量场景,性能突出,并且当按位置点进行聚合统计时,ElasticSearch的聚合统计能达到秒级,速度非常快。
上述运输设备的事件数据是运输设备在运行时传输至ElasticSearch数据库的,具体地:
对于异常数据,可以是由运输设备在遭遇异常时产生的,经过控制台应用和控制台应用下的数据库同步至ElasticSearch数据库的;
对于出库数据,可以是由运输设备在执行出库任务时产生的,经过控制台应用和控制台应用下的数据库同步至ElasticSearch数据库的;
对于网络数据,可以是由运输设备运行时一直产生的,心跳上报至数据采集应用后经过一定的处理,再转存至ElasticSearch数据库的。
在一些实施例中,所述聚合模块502在将所述事件数据按仓库中的位置点进行聚合之前,还包括:
根据预设时间量级,对所述事件数据进行数据压缩,得到新的查询索引。
事件数据由运输设备传输至ElasticSearch数据库后,由于原始数据量较大(特别是网络数据,可以是按秒心跳上报的,数据量可达亿级),因此需要经过数据压缩,将秒级数据压缩为预设时间量级(如:一小时、六小时等),在使用数据时,则可以使用压缩后的新的索引,达到更快的数据存取速度;
以预设时间量级为一小时为例:可以将一小时内的多条数据压缩成一条;相应地,用户在查看热力图时所选的观测时间段最小为一小时,所选观测时间段也需要是一小时的倍数;这样,可以提高数据统计速度,防止因数据量过大造成的内存溢出和页面响应时间过长等问题。
在一些实施例中,,所述位置点包括以下至少之一:码点、坐标网格;
基于仓库中的位置点对所述事件数据进行聚合,得到事件聚合结果,包括:
根据所述观测指令,针对每一个位置点,统计得到在所述观测时间段内的、该位置点上的待观测事件数据总量值、待观测维度值、事件列表信息,以作为所述聚合结果;
其中,对于异常数据类型,事件维度包括以下至少之一:异常次数、异常设备数;事件列表至少包括:异常信息列表;
其中,对于出库数据类型,事件维度包括以下至少之一:作为出库起点次数、作为出库终点次数;事件列表至少包括:出库物品列表;
其中,对于网络数据类型,事件维度包括以下至少之一:数据条数、网络传输暂停次数、累计ping延迟时长;事件列表至少包括:无线网络接入点列表。
可以在进行数据压缩后,针对有了新索引的数据按位置点进行快速高效的聚合处理,以得到热力图所需的各个信息;对于不同类型的事件,可以观测到的维度也有所不同,可以在用户发出观测指令时进行事件类型和该类型下观测维度的选择;
具体地,对于异常数据类型,异常次数维度可以用来表示在某个位置点上发生异常的次数;异常设备数维度可以用来表示在某个位置点上发生过异常的设备数;异常信息列表可以用来表示在某个位置点上发生过的异常信息的集合;
对于出库数据类型,作为出库起点次数维度可以用来表示某个位置点作为出库起点的次数;作为出库终点次数维度可以用来表示某个位置点作为出库终点的次数;出库物品列表可以用来表示在某个位置点上出库过的物品的集合,在此基础上还可以生成货架子列表,用来表示在某个位置点上出库过的物品所来自的货架的集合;
对于网络数据类型,数据条数维度可以用来表示某个位置点上传输过的网络数据条数;网络传输暂停次数维度可以用来表示在某个位置点上发生过的网络传输暂停的次数;累计ping延迟时长维度可以用来表示在某个位置点上发生过的网络ping延迟时长总和;无线网络接入点列表可以用来表示在某个位置点上接入过的网络接入点的集合。
在一些实施例中,所述绘制模块503根据所述聚合结果绘制仓库热力图,包括:
根据所述聚合结果确定预设地图中每个位置点对应的待绘制数据;所述待绘制数据包括:所述待观测事件数据总量值、所述待观测维度的维度值、所述待观测事件数据类型的事件列表信息;
根据所述待绘制数据,可以采用jquery结合svg的动态渲染方式,显示待观测事件数据总量值、按照预设的量级呈现样式绘制各位置点上待观测维度的呈现样式,以及以列表方式绘制出所述待观测事件数据类型的事件列表信息。
预设的量级呈现样式可以表现为热力图上位置点上的颜色,如:预设级别个数(如:5个、7个等),颜色可以从浅到深,颜色越深,代表数值越大;预设的量级呈现样式可以表现为热力图上位置点上的填充形状,不同填充形状对应不同量级;
每个样式级别的数值范围可根据用户设置最大值进行均分,也可以根据当前数据最大值进行均分,使得每个数值都能找到对应的样式进行绘制。
采用jquery结合svg的动态渲染方式,可防止在绘制仓库热力图时引入其它不必要的功能,导致资源的浪费;并且svg作为矢量图像,在改变尺寸的情况下其图形质量不会有所损失,使用户体验良好。
在一些实施例中,所述绘制模块503还用于:
当接收到新的观测指令时,清除预设地图上已有的绘制结果;
基于新的观测指令,绘制与新的观测指令对应的仓库热力图。
所述新的观测指令可以是观测当前事件类型下的其它维度,也可以是观测其它事件下的维度;如:在展示异常热力图的异常次数维度时,接收到了观测异常热力图的异常设备数维度的观测指令,则清除预设地图上已绘制完成的异常次数维度效果,获取与新的观测指令对应的异常设备数维度数值,并进行绘制。
在一些实施例中,所述绘制模块503还用于:
当接收到关于所述事件列表的筛选指令时,根据所述筛选指令确定筛选出的子事件列表;
根据所述子事件列表,从当前事件类型的事件聚合结果中选出与子事件列表相对应的子聚合结果;
根据所述子聚合结果绘制出与所述筛选指令对应的仓库热力图。
所述筛选指令可以是用户基于正在观测的维度、针对当前的事件列表而发起的筛选指令,具体地,可以是用户从当前的事件列表中选择指定事件进行数据过滤、观测;
例如:在展示网络热力图的网络传输暂停次数维度时,用户通过在当前的无线网络接入点列表中勾选指定的一个或一些个无线网络接入点发起了筛选指令,则清除预设地图上已绘制完成的网络传输暂停次数维度效果,重新基于用户选择的无线网络接入点,获取各个位置点上与用户选择的无线网络接入点对应的网络传输暂停次数,并进行绘制展示。
在一些实施例中,所述绘制模块503还用于:
当接收到点击位置点指令时,基于当前绘制的的仓库热力图对应的事件类型和待观测维度,显示被点击的位置点的点事件数据量值、点事件维度值、点事件列表信息。
所述点击位置点指令可以是用户针对某位置点发起的观测该位置点上数据的指令;可以通过对位置点绑定用户点击事件来实现,当用户点击某位置点时,可以单独向服务器请求该位置点相关的统计数据展示。
图6示出了可以应用本发明实施例的无人仓运行情况分析方法或无人仓运行情况分析装置的示例性***架构600。
如图6所示,***架构600可以包括终端设备601、602、603,网络604和服务器605。网络604用以在终端设备601、602、603和服务器605之间提供通信链路的介质。网络604可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备601、602、603通过网络604与服务器605交互,以接收或发送消息等。终端设备601、602、603上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备601、602、603可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器605可以是提供各种服务的服务器,。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理,并将处理结果反馈给终端设备。
需要说明的是,本发明实施例所提供的无人仓运行情况分析方法一般由服务器605执行,相应地,无人仓运行情况分析装置一般设置于服务器605中。
应该理解,图6中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图7,其示出了适于用来实现本发明实施例的终端设备的计算机***700的结构示意图。图7示出的终端设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示,计算机***700包括中央处理单元(CPU)701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中,还存储有***700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
以下部件连接至I/O接口705:包括键盘、鼠标等的输入部分706;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707;包括硬盘等的存储部分708;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器710上,以便于从其上读出的计算机程序根据需要被安装入存储部分708。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分709从网络上被下载和安装,和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701执行时,执行本发明的***中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括获取模块、聚合模块、绘制模块和分析模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定,例如,获取模块还可以被描述为“向所连接的服务端发送图片获取请求的单元”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:步骤S101、当接收到观测指令时,获取仓库中运输设备的与所述观测指令对应的事件数据;步骤S102、基于仓库中的位置点对所述事件数据进行聚合,得到事件聚合结果;步骤S103、根据所述事件聚合结果绘制仓库热力图,根据所述仓库热力图分析无人仓运行情况。
据本发明实施例的技术方案,因为采用根据从Elasticsearch数据库获取到的运输设备的事件数据进行基于位置点的压缩和聚合、并根据聚合结果采用jquery结合svg的方式绘制仓库热力图的技术手段,所以克服了现有技术中无法直观、全面地了解仓储生产作业中的各种情况的技术问题,进而达到能够快速绘制仓库热力图、并基于绘制出的仓库热力图对仓储生产相关作业进行分析、改进的技术效果。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (11)
1.一种无人仓运行情况分析方法,其特征在于,包括:
当接收到观测指令时,获取仓库中运输设备的与所述观测指令对应的事件数据;
基于仓库中的位置点对所述事件数据进行聚合,得到事件聚合结果;
根据所述事件聚合结果绘制仓库热力图,根据所述仓库热力图分析无人仓运行情况。
2.根据权利要求1所述的方法,其特征在于,所述观测指令包括:待观测事件数据类型信息、观测时间段信息、待观测维度信息;其中,所述待观测维度是所述待观测事件数据下的一种维度;
所述运输设备的事件数据类型包括以下至少之一:异常数据、出库数据、网络数据;
其中,所述异常数据为运输设备在异常情况下传输的异常信息;
所述出库数据为运输设备在具有出库任务情况下传输的出库信息;
所述网络数据为运输设备在运行时实时心跳传输的网络信息。
3.根据权利要求2所述的方法,其特征在于,在将所述事件数据按仓库中的位置点进行聚合之前,还包括:
根据预设时间量级,对所述事件数据进行数据压缩,得到新的查询索引。
4.根据权利要求3所述的方法,其特征在于,所述位置点包括以下至少之一:码点、坐标网格;
基于仓库中的位置点对所述事件数据进行聚合,得到事件聚合结果,包括:
根据所述观测指令,针对每一个位置点,统计得到在所述观测时间段内的、该位置点上的待观测事件数据总量值、待观测维度值、事件列表信息,以作为所述聚合结果;
其中,对于异常数据类型,事件维度包括以下至少之一:异常次数、异常设备数;事件列表至少包括:异常信息列表;
其中,对于出库数据类型,事件维度包括以下至少之一:作为出库起点次数、作为出库终点次数;事件列表至少包括:出库物品列表;
其中,对于网络数据类型,事件维度包括以下至少之一:数据条数、网络传输暂停次数、累计ping延迟时长;事件列表至少包括:无线网络接入点列表。
5.根据权利要求4所述的方法,其特征在于,根据所述聚合结果绘制仓库热力图,包括:
根据所述聚合结果确定预设地图中每个位置点对应的待绘制数据;所述待绘制数据包括:所述待观测事件数据总量值、所述待观测维度的维度值、所述待观测事件数据类型的事件列表信息;
根据所述待绘制数据,采用动态渲染方式,显示待观测事件数据总量值、按照预设的量级呈现样式绘制各位置点上待观测维度的呈现样式,以及以列表方式绘制出所述待观测事件数据类型的事件列表信息。
6.根据权利要求5所述的方法,其特征在于,还包括:
当接收到新的观测指令时,清除预设地图上已有的绘制结果;
基于新的观测指令,绘制与新的观测指令对应的仓库热力图。
7.根据权利要求5所述的方法,其特征在于,还包括:
当接收到关于所述事件列表的筛选指令时,根据所述筛选指令确定筛选出的子事件列表;
根据所述子事件列表,从当前事件类型的事件聚合结果中选出与子事件列表相对应的子聚合结果;
根据所述子聚合结果绘制出与所述筛选指令对应的仓库热力图。
8.根据权利要求5所述的方法,其特征在于,还包括:
当接收到点击位置点指令时,基于当前绘制的的仓库热力图对应的事件类型和待观测维度,显示被点击的位置点的点事件数据量值、点事件维度值、点事件列表信息。
9.一种无人仓运行情况分析装置,其特征在于,包括:
获取模块,用于当接收到观测指令时,获取仓库中运输设备的与所述观测指令对应的事件数据;
聚合模块,用于基于仓库中的位置点对所述事件数据进行聚合,得到事件聚合结果;
绘制模块,用于根据所述事件聚合结果绘制仓库热力图;
分析模块,用于根据所述仓库热力图分析无人仓运行情况。
10.一种无人仓运行情况分析电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-8中任一所述的方法。
11.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-8中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910850074.7A CN112559838A (zh) | 2019-09-10 | 2019-09-10 | 一种无人仓运行情况分析方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910850074.7A CN112559838A (zh) | 2019-09-10 | 2019-09-10 | 一种无人仓运行情况分析方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112559838A true CN112559838A (zh) | 2021-03-26 |
Family
ID=75028688
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910850074.7A Pending CN112559838A (zh) | 2019-09-10 | 2019-09-10 | 一种无人仓运行情况分析方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112559838A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110164516A (zh) * | 2019-05-24 | 2019-08-23 | 山东大学齐鲁医院 | 一种检查单据时间分布图绘制方法及*** |
CN113807770A (zh) * | 2021-08-11 | 2021-12-17 | 北京旷视机器人技术有限公司 | 仓储***中的异常处理方法及装置 |
CN114648272A (zh) * | 2022-04-01 | 2022-06-21 | 上海聚货通电子商务有限公司 | 一种基于拣货热力图的商品布局调整方法及*** |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103246523A (zh) * | 2013-05-30 | 2013-08-14 | 清华大学 | 在svg中动态展现电厂或机组运行状态及其空间分布的方法 |
US20140075327A1 (en) * | 2012-09-07 | 2014-03-13 | Splunk Inc. | Visualization of data from clusters |
US20140324794A1 (en) * | 2013-04-29 | 2014-10-30 | Moogsoft, Inc. | Methods for decomposing events from managed infrastructures |
CN104616124A (zh) * | 2015-03-06 | 2015-05-13 | 重庆大学 | 一种火力发电厂安全经济运行状态的实时发布方法及*** |
CN107358459A (zh) * | 2017-06-15 | 2017-11-17 | 浙江启冠网络股份有限公司 | 基于定向房产兴趣人群的广告投放方法与*** |
CN108427423A (zh) * | 2018-05-07 | 2018-08-21 | 温州大学瓯江学院 | 一种无人仓储智能综合监控调度***及其控制方法 |
CN109080819A (zh) * | 2018-08-29 | 2018-12-25 | 深圳市旭发智能科技有限公司 | 一种用于新闻追踪的无人机及存储介质 |
CN109636329A (zh) * | 2018-12-04 | 2019-04-16 | 广西电网有限责任公司电力科学研究院 | 一种基于热力图的用电客户投诉分析***及分析方法 |
CN109902140A (zh) * | 2019-03-14 | 2019-06-18 | 成都小步创想慧联科技有限公司 | 事件智能分析方法、装置和用户设备 |
CN110118973A (zh) * | 2019-05-27 | 2019-08-13 | 杭州亚美利嘉科技有限公司 | 仓库智能感知识别方法、装置及电子设备 |
-
2019
- 2019-09-10 CN CN201910850074.7A patent/CN112559838A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140075327A1 (en) * | 2012-09-07 | 2014-03-13 | Splunk Inc. | Visualization of data from clusters |
US20140324794A1 (en) * | 2013-04-29 | 2014-10-30 | Moogsoft, Inc. | Methods for decomposing events from managed infrastructures |
CN103246523A (zh) * | 2013-05-30 | 2013-08-14 | 清华大学 | 在svg中动态展现电厂或机组运行状态及其空间分布的方法 |
CN104616124A (zh) * | 2015-03-06 | 2015-05-13 | 重庆大学 | 一种火力发电厂安全经济运行状态的实时发布方法及*** |
CN107358459A (zh) * | 2017-06-15 | 2017-11-17 | 浙江启冠网络股份有限公司 | 基于定向房产兴趣人群的广告投放方法与*** |
CN108427423A (zh) * | 2018-05-07 | 2018-08-21 | 温州大学瓯江学院 | 一种无人仓储智能综合监控调度***及其控制方法 |
CN109080819A (zh) * | 2018-08-29 | 2018-12-25 | 深圳市旭发智能科技有限公司 | 一种用于新闻追踪的无人机及存储介质 |
CN109636329A (zh) * | 2018-12-04 | 2019-04-16 | 广西电网有限责任公司电力科学研究院 | 一种基于热力图的用电客户投诉分析***及分析方法 |
CN109902140A (zh) * | 2019-03-14 | 2019-06-18 | 成都小步创想慧联科技有限公司 | 事件智能分析方法、装置和用户设备 |
CN110118973A (zh) * | 2019-05-27 | 2019-08-13 | 杭州亚美利嘉科技有限公司 | 仓库智能感知识别方法、装置及电子设备 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110164516A (zh) * | 2019-05-24 | 2019-08-23 | 山东大学齐鲁医院 | 一种检查单据时间分布图绘制方法及*** |
CN113807770A (zh) * | 2021-08-11 | 2021-12-17 | 北京旷视机器人技术有限公司 | 仓储***中的异常处理方法及装置 |
CN114648272A (zh) * | 2022-04-01 | 2022-06-21 | 上海聚货通电子商务有限公司 | 一种基于拣货热力图的商品布局调整方法及*** |
CN114648272B (zh) * | 2022-04-01 | 2023-07-21 | 上海聚货通电子商务有限公司 | 一种基于拣货热力图的商品布局调整方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112559838A (zh) | 一种无人仓运行情况分析方法和装置 | |
CN112700180B (zh) | 一种拣货方法和拣货装置 | |
US9424367B2 (en) | Interactive visualization of trending data | |
CN104408170A (zh) | 一种业务数据分析*** | |
CN111209310B (zh) | 基于流计算的业务数据处理方法、装置和计算机设备 | |
CN112527848B (zh) | 基于多数据源的报表数据查询方法、装置、***及存储介质 | |
CN111666280B (zh) | 评论的排序方法、装置、设备和计算机存储介质 | |
CN110866040B (zh) | 用户画像生成方法、装置和*** | |
US9582161B2 (en) | Configurable animated scatter plots | |
CN107908662B (zh) | 搜索***的实现方法和实现装置 | |
CN109903105B (zh) | 一种完善目标商品属性的方法和装置 | |
CN114091704B (zh) | 一种告警压制方法和装置 | |
CN110334059A (zh) | 用于处理文件的方法和装置 | |
CN114021156A (zh) | 漏洞自动化聚合的整理方法、装置、设备以及存储介质 | |
CN112395333A (zh) | 用于排查数据异常的方法、装置、电子设备及存储介质 | |
CN107291835B (zh) | 一种搜索词的推荐方法和装置 | |
US20150007079A1 (en) | Combining parallel coordinates and histograms | |
CN108540302B (zh) | 一种大数据处理的方法及设备 | |
CN113780918A (zh) | 一种任务单分配方法和装置 | |
US9910737B2 (en) | Implementing change data capture by interpreting published events as a database recovery log | |
CN113515541A (zh) | 数据库的数据查询方法、装置和*** | |
EP3923164A2 (en) | Method and apparatus of presenting information, electronic device and storage medium | |
CN107679096B (zh) | 数据集市间指标共享的方法和装置 | |
CN111291271A (zh) | 数据处理方法、装置、设备及存储介质 | |
CN112738567B (zh) | 平台内容处理方法、装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |